一种道路交叉口的交通信号在线控制方法技术

技术编号:31239240 阅读:15 留言:0更新日期:2021-12-08 10:27
本发明专利技术涉及交通信号控制领域,具体公开了一种道路交叉口的交通信号在线控制方法,其中,包括:获取道路交叉口的关键特征参数和多元交通流实时数据,所述关键特征参数初始最大绿时间、初始最小绿时间和初始基准绿灯时间;根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习,得到最佳实时基准绿灯时间;根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较,并结合红灯排队长度阈值确定相位切换逻辑。本发明专利技术提供的道路交叉口的交通信号在线控制方法能够使得道路交叉口的交通信号控制适应交通变化,从而提升通行效率,减少绿灯空放。减少绿灯空放。减少绿灯空放。

【技术实现步骤摘要】
一种道路交叉口的交通信号在线控制方法


[0001]本专利技术涉及交通信号控制
,尤其涉及一种道路交叉口的交通信号在线控制方法。

技术介绍

[0002]伴随着全国大中城市城镇化和机动化的进程快速推进,人们追求品质出行的期望不断增强,然而绿灯空放、各流向排队不均衡、拥堵场景交警手控等不合理现象在城市信号控制交叉口频繁发生,信号配时不合理、智能化程度低等问题亟待解决。究其原因,主要是传统信控技术不能满足现阶段交通动态变化多场景、多目标优化的控制需求,数据驱动的控制算法升级缓慢,动态响应、智能联控能力弱。

技术实现思路

[0003]本专利技术提供了一种交通信号控制技术,解决相关技术中存在的无法解决交通动态变化导致的道路拥堵等问题。
[0004]作为本专利技术的一个方面,提供一种道路交叉口的交通信号在线控制方法,其中,包括:
[0005]获取道路交叉口的关键特征参数和多元交通流实时数据,所述关键特征参数初始最大绿时间、初始最小绿时间和初始基准绿灯时间;
[0006]根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习,得到最佳实时基准绿灯时间;
[0007]根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较,并结合红灯排队长度阈值确定相位切换逻辑。
[0008]进一步地,所述多元交通流实时数据包括:
[0009]绿灯放行时段,位于道路交叉口的进口道的4个监测断面返回各车道断面虚拟线圈的占有时间、车间时距和车流量;以及,
[0010]红灯排队时段,红灯启亮排队稳定至预设时间后开始至红灯结束期间每间隔固定时间获取到的车道排队长度。
[0011]进一步地,所述4个监测断面包括:停车线、实线段起点、渐变段终点和渐变段起点。
[0012]进一步地,所述根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习,得到最佳实时基准绿灯时间,包括:
[0013]确定信号在线迭代学习控制算法模型;
[0014]将所述多元交通流实时数据输入所述在线迭代学习控制算法模型进行在线响应迭代学习,得到所述最佳实时基准绿灯时间。
[0015]进一步地,所述确定信号在线迭代学习控制算法模型,包括:
[0016]将所述多元交通流实时数据输入交通流模型,得到排队长度;
[0017]对所述排队长度进行期望控制,以使得排队长度误差趋于0;
[0018]根据迭代学习控制率表达式,将排队长度误差趋于0时对应的实时基准绿灯时间确定为最佳实时基准绿灯时间。
[0019]进一步地,所述交通流模型为:
[0020][0021]其中,x(k)表示车道排队长度,y(k)表示依据车头时距截流的排队长度,u(k)表示最佳实时基准绿灯时间,ξ(k)表示状态扰动,δ(k)表示输出扰动,A表示状态矩阵,B表示控制输入矩阵,C表示输出矩阵,E表示扰动矩阵。
[0022]进一步地,所述迭代学习控制率表达式为:
[0023]t
p,j+1
(k)=Q
p
(q)t
p,j
(k)+L
p
(q)e
p,j
(k+1),
[0024]其中,Q
p
(q)表示滤波系数,L
p
(q)表示迭代系数,j表示迭代次数;
[0025]e
p,j
(k)=y
pd
(k)

y
p,j
(k),y
pd
(k)表示期望输出,y
p
(k)表示第p个相位的车道截流后的排队长度;
[0026]q表示多元交通流中的实时车道流量,k
s
表示调节系数,x
p
表示车道排队长度,s
p
表示饱和流量,t
p
(s)表示最佳实时基准绿灯时间,C表示信号周期时间。
[0027]进一步地,所述根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较,并结合红灯排队长度阈值确定相位切换逻辑,包括:
[0028]将当前相位的放行时间分别与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间比较,得到放行时间比较结果;
[0029]若所述放行时间比较结果为小于或者等于所述初始最小绿时间,则不进行相位切换;
[0030]若所述放行时间比较结果为大于或者等于所述初始最大绿时间,则进行相位切换;
[0031]若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间或者大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间,则根据所述多元交通流实时数据中的车道排队长度与所述红灯排队长度阈值的比较结果确定是否进行相位切换。
[0032]进一步地,若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间,所述多元交通流实时数据中的车道排队长度小于第一红灯排队长度阈值,则不进行相位切换;
[0033]若所述放行时间比较结果为大于所述初始最小绿时间且小于所述最佳实时基准绿灯时间,所述多元交通流实时数据中的车道排队长度不小于第一红灯排队长度阈值,则进行相位切换。
[0034]进一步地,若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间,所述多元交通流实时数据中的车道排队长度小于第二红灯排队长度阈值,则不进行相位切换;
[0035]若所述放行时间比较结果为大于所述最佳实时基准绿灯时间且小于所述初始最大绿时间,所述多元交通流实时数据中的车道排队长度不小于第二红灯排队长度阈值,则进行相位切换。
[0036]本专利技术提供的道路交叉口的交通信号在线控制方法,根据多元交通流实时数据以及初始基准绿灯时间进行在线响应迭代学习,得到最佳实时基准绿灯时间,并根据最佳实时基准绿灯时间确定相位切换逻辑,这种道路交叉口的交通信号在线控制方法能够使得道路交叉口的交通信号控制适应交通变化,从而提升通行效率,减少绿灯空放。
附图说明
[0037]附图是用来提供对本专利技术的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本专利技术,但并不构成对本专利技术的限制。在附图中:
[0038]图1为本专利技术提供的道路交叉口的交通信号在线控制方法的流程图。
[0039]图2为本专利技术提供的信号在线控制逻辑框架示意图。
[0040]图3为本专利技术提供的相位动态切换控制逻辑图。
[0041]图4为本专利技术提供的迭代学习控制原理图。
[0042]图5为本专利技术提供的4个监测端面的示意图。
具体实施方式
[0043]需要说明的是,在不冲突的情况下,本专利技术中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本专利技术。
[0044]为了使本领域本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种道路交叉口的交通信号在线控制方法,其特征在于,包括:获取道路交叉口的关键特征参数和多元交通流实时数据,所述关键特征参数初始最大绿时间、初始最小绿时间和初始基准绿灯时间;根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习,得到最佳实时基准绿灯时间;根据当前相位的放行时间与所述初始最大绿时间、初始最小绿时间和最佳实时基准绿灯时间进行比较,并结合红灯排队长度阈值确定相位切换逻辑。2.根据权利要求1所述的道路交叉口的交通信号在线控制方法,其特征在于,所述多元交通流实时数据包括:绿灯放行时段,位于道路交叉口的进口道的4个监测断面返回各车道断面虚拟线圈的占有时间、车间时距和车流量;以及,红灯排队时段,红灯启亮排队稳定至预设时间后开始至红灯结束期间每间隔固定时间获取到的车道排队长度。3.根据权利要求2所述的道路交叉口的交通信号在线控制方法,其特征在于,所述4个监测断面包括:停车线、实线段起点、渐变段终点和渐变段起点。4.跟将权利要求2所述的道路交叉口的交通信号在线控制方法,其特征在于,所述根据所述多元交通流实时数据以及所述初始基准绿灯时间进行在线响应迭代学习,得到最佳实时基准绿灯时间,包括:确定信号在线迭代学习控制算法模型;将所述多元交通流实时数据输入所述在线迭代学习控制算法模型进行在线响应迭代学习,得到所述最佳实时基准绿灯时间。5.根据权利要求4所述的道路交叉口的交通信号在线控制方法,其特征在于,所述确定信号在线迭代学习控制算法模型,包括:将所述多元交通流实时数据输入交通流模型,得到排队长度;对所述排队长度进行期望控制,以使得排队长度误差趋于0;根据迭代学习控制率表达式,将排队长度误差趋于0时对应的实时基准绿灯时间确定为最佳实时基准绿灯时间。6.根据权利要求5所述的道路交叉口的交通信号在线控制方法,其特征在于,所述交通流模型为:其中,x(k)表示车道排队长度,y(k)表示依据车头时距截流的排队长度,u(k)表示最佳实时基准绿灯时间,ξ(k)表示状态扰动,δ(k)表示输出扰动,A表示状态矩阵,B表示控制输入矩阵,C表示输出矩阵,E表示扰动矩阵。7.根据权利要求6所述的道路交叉口的交通信号在线控制方法,其特征在于,所述迭代学习控制率表达式为:t
p,j+1
(k)=Q
p
(q)t
p,j
(k)+L
p
(q)e
p,j
(k+1),其中,Q
p
(...

【专利技术属性】
技术研发人员:刘东波何广进朱远建华璟怡
申请(专利权)人:公安部交通管理科学研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1